235
1. PENDAHULUAN
Pengambilan keputusan dengan banyak persyaratan (MCDM) dimaksudkan
sebagai pemrosesan dan tata cara untuk banyak tujuan yang dipersatukan dalam proses
pengambilan keputusan. Bidang pembahasan MCDM dapat dibagi lagi dalam sistem
pengambilan keputusan dengan banyak tujuan (MODM) dan pengambilan keputusan
dengan banyak atribut (MADM). MODM memberi perhatian utama terhadap situasi
permasalahan yang melibatkan sebuah bilangan besar (mungkin sampai tak hingga)
dari beberapa pilihan yang memungkinkan Strategi penyelesaian hal ini melibatkan
penggunaan dasar-dasar teknik pemrograman matematis.
MADM menaruh perhatian dengan permasalahan yang melibatkan sebuah
bilangan yang relatif kecil dari beberapa alternatif perlakuan yang memiliki
ketidakpastian. Keeney dan Raiffa menganjurkan perlakuan khusus dari MADM.
Penelusuran dari tulisan tentang MADM dan MODM dapat dilakuan masing-masing di
dalam karya Hwang dan Yoon serta Hwang dan Masud. Fokus utama dalam bidang
penulisan adalah tetap pada MODM.
Bidang MCDM telah berkembang secara cepat selama lebih dari 4 dasawarsa.
Pada mulanya orang yang mengembangkan adalah Koopmans, Kuhn dan Tucker, dan
lainnya pada awal 1970an. Hal itu kemudian diikuti dengan pengenalan pemrograman
tujuan oleh Charnes dan Cooper. Penulisan pertama kali yang secara khusus membahas
pada pemrograman tujuan ini disampaikan di awal 1970an, dan hal itu diikuti dengan
penulisan dan penerapan angka dalam berbagai literatur. Konferensi pertama tingkat
internasional yang membahas khusus mengenai MCDM mengambil tempat di tahun
1972. Pemrosesan dari bilangan mengambil tempat khusus dari berbagai literatur. Teks
mengenai MODM mulai dikenalkan di akhir 1970an oleh Cohon, Goicochea, Hansen
dan Duckstein, Zeleny, Chankong dan Haimes, Yu dan Steuer. Setelah beberapa waktu
kemudian, terjadilah perkembangan teori serta penerapan secara kuantitatif MCDM
236
Baju Bawono
yang cukup
pesat Penelitian literatur dan pencarian dan penulisan MCDM ini
dilakukan juga oleh Evans dan Stadler.
2. DEFINISI MCDM
MCDM melibatkan banyak tanda, banyak tujuan atau keduanya. Alternatif
keputusan memiliki tanda atau atribut. Atribut adalah karakteristik atau kualitas dari
beberapa alternatif. Pengambilan keputusan dengan multiatribut melibatkan pemilahan
alternatif terbaik dari beberapa macam alternatif. Tujuannya adalah menghadirkan
penerapan dari atribut. Tujuan akhir yang betul-betul diinginkan adalah sebagai tingkat
sasaran atribut. Sementara sebuah ciri khas dari sebuah pilihan keputusan adalah sebuah
atribut. Maksimasi atau minimasi yang merupakan ciri khas dari sebuah tujuan dan
tujuan sasaran akhir dari untuk ciri khas sebuah tujuan akhir. Pengambilan keputusan
dengan banyak tujuan membuat perhatian dengan pemilihan yang optimis datau
pemecahan terbaik yang merupakan tujuan dari pengambil keputusan. Tujuan yang
banyak biasanya saling bertentangan dan atau tidak dapat diukur secara sama atau
sejenis. Jadi konsep alternatif terbaik biasanya tidak tepat dalam konteks banyak tujuan,
sehingga mungkin tidak ada pilihan yang layak dengan optimasi simultan semua tujuan
Sebuah permasalahan optimasi dengan satu kendala dan satu tujuan dapat dirumuskan :
Max [ f(x) = z ]
xS
(1)
dengan x adalah vektor variabel keputusan, f(x) adalah adalah fungsi tujuan, dan S
adalah daerah jawaban. Kerangka kerja ini dapat diperluas untuk masuk ke dalam
banyak tujuan seperti di bawah ini :
Max [ f1(x) = z1 ]
Max [ f2(x) = z2 ]
Max [ f3(x) = z3 ]
:
Max [ fk(x) = zk ]
xS
(2)
Problem ini juga dikenal dengan sebagai permasalahan vektor maksimum. Variabel
keputusan dapat dilanjutkan atau dinyatakan dalam fungsi tujuan dan kendala dapat
dilinearkan atau non linear. Jika semua variabel keputusan dilanjutkan, dan semua
fungsi tujuan dan kendala adalah linear (hal yang terpenting dari kasus khusus MODM)
permasalahan menjadi pemrograman linear dengan banyak tujuan dapat dituliskan :
Max [c1x = z1 ]
Max [c2x = z2 ]
Max [c3x = z3 ]
:
Max [ckx = zk ]
xS
(3)
n
m
dengan S= { x R Ax b, x 0, b R } untuk menandai ruang keputusan dan Z=
{ z Rk z = Cx , x S } merupakan daerah kemungkinan dalam ruang keputusan.
Sebuah jawaban optimum untuk sebuah permasalahan MODM adalah satu yang
paling optimum dari semua fungsi tujuan simultan. Sebuah titik x* adalah sebuah
jawaban optimum untuk pemasalahan MOLP pada pers.(3) (biasanya ditujukan sebagai
jawaban ideal dalam konteks banyak). Jawaban ini adalah jika dan hanya jika x* S
dan Cx* Cx untuk semua x S. Biasanya, permasalahan MODM memiliki tujuan
237
yang saling bertentangan, dan sebuah jawaban yang optimum mungkin tidak ada
(jawaban ideal mungkin tidak ada)
Konsep pengoptimalan dalam konteks sebuah tujuan ditempatkan dengan
sebuah konsep efesiensi dan nondominan dalam MODM. Sebuah titik dalam ruang
keputusan x S adalah efisien jika dan hanya jika di sana tidak ada keberadaan hal
yang lain x S juga untuk Cx Cx dan Cx Cx. Keterhubungan sebuah titik dalam
ruang tujuan z Z bahwa untuk z z dan z z . Dengan kata lain sebuah titik adalah
efisien atau tidak mendominasi jika tidak mungkin untuk membuktikan suatu nilai dari
sebuah tujuan tunggal tanpa mengetahui nilai yang paling kecil pada tujuan lainnya.
Sebuah faktor yang komplikatif dalam MODM banyak menghasilkan banyak jawaban
yang lebih efisien. Sebuah jawaban biasanya dipilih dengan sebuah pengambilan
keputusan yang kadang-kadang ditujukan sebagai sebuah tujuan terbanyak atau jawaban
paling kompromis yang terbaik.
Ditentukan sebuah contoh :
Max z1 = 4x1- x2
Max z2 = -2x2 + 3x2
dengan 2x1 x2 8
x1 + x2 9
x1 5
x2 6
x1 0, x2 0
(4)
Daerah kemungkinan untuk permasalahan ini dalam ruang keputusan dan ruang
tujuan diberikan dalam gambar 1 dan gambar 2. Titik ekstrim dari masalah ini akan
dijelaskan secara numeris dalam tabel 1. Setelah tujuan dikonflikkan, suatu masalah
tidak memiliki jawaban optimum biasa atau tujuan tunggal. Bagaimanapun titik ekstrim
C, D, E, F adalah efisien dalam ruang keputusan (ruang tujuan bukan dominasi). Batas
dari daerah kemungkinan dalam ruang tujuan dari titik ekstrim C ke titik ekstrim F
merupakan tapal batas efisien (efficient frontier). Penentuan titik-titik sepanjang tapal
batas efisien dari penentuan efisien. Untuk titik-titik di dalam pengaturan efisien, tidak
memungkinkan untuk membuktikan nilai tujuan yang lain. Titik ekstrim A dan B tidak
efisien (dominasi), sebagai semua titik kemungkinan asal bukan tapal batas efisien. Jadi
meskipun hal itu membuat rasa pelarangan pencarian untuk kebanyakan jawaban yang
paling diinginkan ke penentuan efisien, penentuan penyelesaian yang paling diiinginkan
akan mencapai tak hingga dan setiap penentuan penyelesaian titik ekstrim efisien, dalam
sejumlah besar latihan.
6
C
A
B
4
Baju Bawono
238
var.,
x1
0
4
5
5
3
0
var.,
x2
0
0
2
4
6
6
tuj.,
z1
0
16
18
16
6
-6
tuj.,
z2
0
-8
-4
2
12
18
Jangkauan
bobot, w1
(0.75 ,1 )
(0.50 ,0.75)
(0.33 ,0.50)
(0
,0.33)
F
jangkauan
bobot ,w2
(0
,0.25)
(0.25 ,0.50)
(0.50 ,0.67)
(0.67 ,1 )
z2
E
z1
C
239
240
Baju Bawono
241
U(z) = Ui (zi)
(8)
i 1
U(z) = Ui (zi )
(9)
i 1
Kasus khusus yang paling penting dari penambahan secara terpisah dari pers.(8)
bobot perlengkapan Ui(zi) = wi zi untuk mengindikasikan kepentingan dari masingmasing tujuan
seperti dalam pers.(5). Sedangkan pers.(9)
digunakan untuk
menghasilkan optimasi permasalahan nonlinear.
3.2.2. Pemrograman Tujuan
Pemrogran tujuan adalah salah satu perlengkapan paling luas dan paling populer
dari teknik MODM. Permasalahan MODM secara umum pers.(2) atau permasalahan
MOLP per bagian dapat diubah ke dalam format Pemrograman Tujuan.. Kendala dalam
sebuah konteks MOLP x S dihubungkan sebagai sebuah sistem atau kendala sukar
dalam pemrograman tujuan.. Tujuan MOLP dapat diubah ke dalam tujuan atau kendala
lunak dalam pemrograman tujuan melalui penambahan variabel deviasi atau tingkat
sasaran tujuan.
cix +di - - di+= ti i = 1,,k
(10)
dengan ti adalah tingkat sasaran untuk kendala tujuan ke i , variabel deviasi di - dan di+
mengukur kekurangan hasil atau kelebihan hasil dari sasaran. Variabel d i analog
dengan variabel pelambat (slack variable) dan variabel di+ analog dengan variabel
surplus. Bentuk umum pemrograman linear daat dirumuskan sebagai
Min f(d-, d+)
dengan :
cix + di - - di+ = ti i = 1,,k
x S dan d-, d+ 0
(11)
dengan memberi perhatian pada tujuan tunggal, sebuah pengambil keputusan dapat
mencoba untuk :
1. Datang dan sama tertutup mungkin
2. Tidak kekurangan hasil
3. Tidak kelebihan hasil sebuah tingkat sasaran tunggal dengan minimasi
Ada dua bentuk utama dari pemrograman tujuan dalam pers.(11) yaitu jumlah
pembobotan dan prioritas. Bentuk jumlah pembobotan pengambil keputusan mencari
minimasi jumlah pembobotan tunggal dari variabel pembeda
Baju Bawono
242
k
Min
i 1
(12)
(13)
j 1 i 1
dengan Pj adalah tingkat prioritas lebih dulu, dan wj bobot, yang menandai tingkat
deviasi dari tujuan i ke tingkat prioritas j.
4. CONTOH KASUS
Berikut ini adalah contoh permasalahan pengambilan keputusan dengan banyak
persyaratan dari (Hwang dan Masud, 1979)
Variabel tujuan :
Min z1 = 0.025x1 + 2.2x2 + 0.8x3 + 0.1x4 + 0.05x5 + 0.26x6
Min z2 = 10x1 + 20x2 + 120x3
Min z3 = 24x1 + 27x2 + 15x4 + 1.1x5 + 52x6
dengan batasan :
720x1 + 107x2 + 7080x3 + 134x5 + 1000x6
5000
0.2x1 + 10.1x2 + 13.2x3 + 0.75x4 + 0.15x5 + 1.2x6
12.5
344x1 + 460x2 + 1040x3 + 75x4 + 17.4x5 + 240x6
2500
18x1 + 151x2 + 78x3 + 2.5x4 + 0.2x5 + 4x6
63
0 x1 6, 0 x2 1,
0 x3 0.25
0 x4 6, 0 x5 10, 0 x6 4
Variabel keputusan yang diberikan adalah enam dasar kelompok makanan yang
termasuk ke dalam program diet yaitu : sebotol susu, satu pon daging sapi, 1 dozen
telur, satu ounce roti, satu ounce selada dan sebotol jus. Kendalanya adalah kebutuhan
minimum harian vitamin (5000 unit), mineral (12.5 gram), kalori (2500 kal), dan
protein 63 gram. Ada juga batasan mengenai jumlah masing-masing enam kelompok
dasar makanan yang termasuk ke dalam program diet.. Tujuanya adalah biaya
minimum, jumlah kolesterol dan karbohidrat.
Permasalahan ini adalah cukup sederhana dari penerapan titik berdiri untuk
mempermudah pengertian dan ketidaksesuaian penyelesaian potensial. Pendekatan
penyelesaian permasalahan ini akan digambarkan ke dalam tiga kelompok utama teknik
MODM yaitu posterior, prior, dan progresif.
Pendekatan posterior atau teknik pembangkitan permasalahan ini adalah cukup
kecil untuk penyelesaian semua titik ekstrim efisien yang dapat dibangkitkan sejumlah
besar dengan menggunakan kode simpleks dengan banyak tujuan. Ada sejumlah 20 titik
ekstrim efisien untuk penyelesaian permasalahan ini. Hubungan tujuan (ukuran vektor
nondominasi) nilai untuk penyelesaian akan disajikan dalam tabel 4.
5. PENYELESAIAN
Jangkauan biaya berkisar dari $ 2.26 sampai $ 3.95, kolesterol dari 17.9 sampai
100.4 unit, dan karbohidrat dari 150 sampai 413.1 gram di atas penentuan titik efisien
dari penyelesaian. Untuk penyelesaian yang lebih besar dan lebih kompleks mungkin
tidak praktis untuk mencoba atau membangkitkan penyelesaian titik ekstrim efisien.
243
Interval bobot dapat dispesifikasikan untuk beberapa atau semua tujuan utama untuk
mengurangi bilangan dari titik ekstrim efisien yang dibangkitkan. Sebagai contoh jika
interval bobot 0,2< w1<0,7, 0,3< w2<0,6, dan 0,1< w3<0,4 dipilih sebagai tujuan biaya,
kolesterol, dan karbohidrat masing-masing daengan dengan w1=1 sebuah pengurangan
dari hanya penentuan enam titik efisien yang dibangkitkan. Enam jawaban ini
menghubungkan vektor ukuran nondominasi 11, 14, 15, 17, 18, dan 19 seperti pada
tabel 4. Interval bobot lainnya juga memberi hasil akhir pada penentuan bilangan
berbeda penyelesaian titik ekstrim efisien.
Tabel 4. Penyelesaian Kasus dengan Vektor Ukuran Nondominasi
titik
ekstrim
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
z1,
biaya
2.26
2.30
2.36
2.40
2.50
2.52
2.53
2.54
2.56
2.56
2.78
2.80
2.82
2.93
2.94
3.19
3.31
3.55
3.88
3.95
z2, koles
terol
67.8
71.5
72.9
70.3
79.0
70.0
24.7
23.8
23.0
64.2
28.8
55.5
23.0
39.9
17.9
100.4
94.4
63.9
74.1
96.7
z3, karbo
hidrat
281.7
264.7
253.5
253.3
234.0
245.0
404.5
409.5
413.1
256.1
356.9
263.2
389.0
305.2
412.0
152.2
151.8
207.4
168.3
150.0
Baju Bawono
244
w2
w3
1.0
0.0
0.0
0.5
0.25
0.25
0.33
0.0
1.0
0.0
0.25
0.5
0.25
0.33
0.0
0.0
1.0
0.25
0.25
0.5
0.33
Titik
ekstrim
1
15
20
19
19
20
19
z1
z2
2.26
2.94
3.95
3.88
3.88
3.95
3.88
67.8
17.9
96.7
74.1
74.1
96.7
74.1
z3
281.7
412.0
150.0
168.3
168.3
150.0
168.3
245
Kuhn, H.W., and A.W. Tucker, 1951, Nonlinear Programming, University California
Press, Berkeley